CN114331052A - 航空运行风险的确定方法、计算设备及存储介质 - Google Patents
航空运行风险的确定方法、计算设备及存储介质 Download PDFInfo
- Publication number
- CN114331052A CN114331052A CN202111521821.6A CN202111521821A CN114331052A CN 114331052 A CN114331052 A CN 114331052A CN 202111521821 A CN202111521821 A CN 202111521821A CN 114331052 A CN114331052 A CN 114331052A
- Authority
- CN
- China
- Prior art keywords
- stage
- navigation
- risk
- event
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000010006 flight Effects 0.000 claims abstract description 86
- 230000007613 environmental effect Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010219 correlation analysis Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Abstract
本申请实施例提供一种航空运行风险的确定方法、计算设备及存储介质。在本申请实施例中，针对多个历史航班，获取历史航班对应的至少一种类型的事件，至少一种类型的事件对航空运行存在影响；根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。使得可以实现定期更新阶段权重，能够更加灵活且精准地进行航空运行风险的预测。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种航空运行风险的确定方法、计算设备及存储介质。
背景技术
根据中国民航局发布的《运行控制风险管理咨询通告》，要求航空公司在航班起飞前必须做运行风险预估。由此民航目前已经进入系统安全管理时代，然而传统航空运行风险预估模型存在风险权重未定期更新等问题，急需要进行解决。
发明内容
本申请的多个方面提供一种航空运行风险的确定方法、计算设备及存储介质，实现定期更新阶段权重，并提高航空运行风险确定的准确率。
本申请实施例提供一种航空运行风险的确定方法，包括：针对多个历史航班，获取历史航班对应的至少一种类型的事件，所述至少一种类型的事件对航空运行存在影响；根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的风阶段权重，所述阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
本申请实施例还提供一种计算设备，包括：存储器、处理器；所述存储器，用于存储计算机程序；所述处理器，执行所述计算机程序，以用于：针对多个历史航班，获取历史航班对应的至少一种类型的事件，所述至少一种类型的事件对航空运行存在影响；根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，所述阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器实现上述方法中的步骤。
在本申请实施例中，针对多个历史航班，获取历史航班对应的至少一种类型的事件，至少一种类型的事件对航空运行存在影响；根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
其中，根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。使得可以实现定期更新阶段权重，能够更加灵活且精准地进行航空运行风险的预测。同时由于阶段权重是根据前一个航行子阶段的阶段权重确定的，从而通过参考前一个阶段的权重，也能够更加精准地预测航空运行风险的预测。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请一示例性实施例的航空运行风险的确定方法的流程示意图；
图2为本申请一示例性实施例的阶段权重的确定过程的示意图；
图3为本申请一示例性实施例的航空运行风险的确定系统的结构示意图；
图4为本申请一示例性实施例提供的航空运行风险的确定装置的结构示意图；
图5为本申请一示例性实施例提供的计算设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
根据前文可知，民航根据要求，可以按照《航空公司运行风险管控系统实施指南》提供的航班运行风险评估算法方案，开发现有的航班运行风险评估算法。然而传统航空运行风险预估模型存在风险因子湮没、风险权重未更新、预测风险值缺乏区分度等问题。
针对上述问题，本申请实施例提供了一种航空运行风险的确定方法、计算设备及存储介质，实现定期更新阶段权重，并提高航空运行风险的准确率。
下面结合方法实施例，针对航空运行风险的确定过程进行详细说明。
图1为本申请一示例性实施例的一种航空运行风险的确定方法的流程示意图。本申请实施例提供的该方法100由计算设备执行，如，服务器等。该方法100包括以下步骤：
101：针对多个历史航班，获取历史航班对应的至少一种类型的事件。
其中，至少一种类型的事件对航空运行存在影响。
102：根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
103：根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重。
其中，阶段权重根据时序上前一个航行子阶段的阶段权重确定的。
104：根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
以下针对上述步骤进行详细地阐述：
101：针对多个历史航班，获取历史航班对应的至少一种类型的事件。
其中，至少一种类型的事件对航空运行存在影响。
其中，历史航班是指历史时间中的航班。
至少一种类型的事件是指可以不同类型的事件，如超限事件以及不安全事件等。其中，事件的类型可以是根据危险度来划分的，不安全事件的危险度大于超限事件。此外，还可以继续划分出其它的类型的事件，其它类型的事件的危险度大于不安全事件。
超限事件通过航空器的记录仪(Quick Access Recorder，QAR，快速存取记录器)获取到的且超出预置限定标准，是指标超出预置认定的安全标准。如“重着陆”、“下降率大”等。则服务器可以通过该记录仪获取到飞行数据，根据飞行数据以及超限事件对应的预置限定标准，来选择出超限事件。
不安全事件是指影响航空运行安全的事件。比如“鸟击”、“雷击”、“复飞”等。不安全事件可以是在进行不安全事件调查时，通过对驾驶人员的询问来提供的。服务器可以通过驾驶人员，或者调查人员提供的不安全事件的信息来获取到。
由此，服务器可以获取到以上至少一种类型的事件。
对于上述其它类型的事件而言，也可以通过类似的方式进行获取，就不再赘述了。
具体的，针对多个历史航班，获取历史航班对应的至少一种类型的事件，包括：针对多个历史航班中的不同航行阶段，获取对应航行阶段中的超限事件以及不安全事件，超限事件通过航空器的记录仪获取到的且超出预置限定标准，不安全事件是指影响航空运行安全的事件。
其中，航行阶段是指航空器，如飞机在航行过程中所经历的阶段。可以通过航行高度来确定阶段。如起飞阶段(也可以称为爬升阶段)、巡航阶段以及着陆阶段。每个航行阶段还可以根据需要继续划分子阶段。
基于前文可知，服务器可以从其它数据平台，或者数据服务器，或数据库中获取到不同的历史航班的信息，如航班号、航班时间等。还可以获取到不同历史航班对应的不安全事件以及超限事件。然后根据划分的航行阶段，如起飞阶段、巡航阶段以及着陆阶段，将获取到的事件根据其发生的航行高度来确定对应不同的航行阶段。
除了根据上述航行高度来划分航行阶段外，也可以根据航行时间来划分航行阶段。由此，对应的事件则可以根据发生时间来划分到对应的航行阶段。就不再赘述了。
102：根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
例如，根据前文所述，可以设置根据不同类型的事件，为每个事件根据危险度直接设定对应的预置风险值，或者是风险分数。如服务器基于预置风险值，来确定针对历史航班中，不同航行阶段中对应超限事件的事件风险值。也可以直接确定不同事件对应的风险值。也可以通过动态计算来确定风险值。
具体的，根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值，包括：根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值；根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值；根据第三风险值以及第四风险值，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
其中，根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值，包括：根据超限事件所属级别以及对应航行阶段，确定超限事件在对应航行阶段中的风险值；对超限事件在对应航行阶段中的风险值进行求和，根据求和结果确定第三风险值。
例如，根据前文所述，服务器可以通过下式来确定超限事件对应的风险值，具体的可以是通过对应的事件级别以及对应的航行阶段来确定的。
超限事件的事件风险值＝(事件级别-1)*5+航行阶段(也可以称为飞行阶段)
其中，超限事件的事件级别可以是将对应事件进行划分得到的，可以是预置的事件级别。每个事件级别对应一个级别数值，如1、2、3等。即每个事件级别预置一个对应的级别数值。相应的，航行阶段也是，每个航行阶段对应一个预置的阶段数值，如1、2、3等。由此计算出每个超限事件对应的事件风险值。
确定了每个超限事件的事件风险值后，将每个航行阶段所有事件风险值进行相加，得到该航行阶段中总的事件风险值，即该历史航班中发生的超限事件在对应航行阶段中的航班风险值。
采用指数函数形式以及总的事件风险值来确定超限事件在历史航班中对应航行阶段中的风险值，即第三风险值。由此，事件风险值越大时航班风险值急剧变大。
超限事件在对应航行阶段中的航班风险值＝min(θsum(事件风险值)-0.04，10)
其中，θ为1.04，事件风险值在[1，15]的区间内。由此，服务器可以确定出不同航班在不同航行阶段中对应的第三风险值。
也可以根据前文所述的预置方式来确定超限事件对应的事件风险值，从而确定出对应的第三风险值。就不再赘述了。
其中，根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值，包括：根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的第四风险值。
例如，根据前文所述，服务器可以通过下式来确定每个不安全事件在对应航行阶段中的风险值，具体地可以是利用权重算法，根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的航班风险值。
航班风险值＝(0.25*事件类型+0.3*发生等级+0.2*航行阶段(也可以称为发生阶段)+0.25原因类型)
其中，事件类型可以包括：人为、机械、鸟击、雷击、冰或雹击等。其中，人为类型可以是针对驾驶人员的行为等。机械类型可以是指航空器的机械类型。发生等级可以划分为1-3的等级，即每个不安全事件都可以划分到这三个等级中，应理解可以划分更多发生等级，如1-4、或1-5等。原因类型可以包括：机场、航班所属航空公司、天气、空管、意外以及其它航空公司等。
其中，事件类型、航行阶段以及原因类型都可以划分到对应的分值，或者数值。与发生等级相似，就不再赘述了。由此，服务器可以确定出每个不安全事件在不同航行阶段中对应的风险值，然后可以确定出所有不安全事件在不同航行阶段中对应的总的风险值，即第四风险值，即该历史航班中发生的不安全事件在对应航行阶段中的航班风险值。
服务器确定了第三风险值和第四风险值后，针对同一历史航班中同一航行阶段而言，选择两个风险值中最大的风险值，如果第三风险值大于第四风险值，则选择第三风险值为最终该历史航班中某一个航行阶段的风险值。如果第四风险值大于第三风险值，则选择第四风险值为最终该历史航班中某一个航行阶段的风险值。
需要说明的是，对于不安全事件中，其原因类型、事件类型在驾驶人员进行提供的时候很可能是不准的，为了提高准确率可以采用以下方式进行确定。
具体的，该方法100还包括：获取不安全事件的描述信息，根据描述信息对不安全事件进行分类，确定事件类型以及原因类型。
可以通过电脑获取从驾驶人员提供的对不安全事件的描述信息。该描述信息可以是在xx时间巡航阶段遭到了雷击等。由此电脑可以将该描述信息发送至服务器，由服务器对该描述信息采用fasttext(一种词向量与文本分类工具)算法做类别归类。由此确定出对应的事件类型以及原因类型。
103：根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重。
其中，不同航行阶段可以是指航行阶段中不同的航行子阶段，也可以就是不同的航行阶段。但为了更好以及更准确地进行风险预测，可以是确定不同的航行子阶段对应的阶段权重。
其中，阶段权重根据时序上前一个航行子阶段的阶段权重确定的。如果对于航行阶段中的第一子阶段而言，其阶段权重确定的可以不用根据前一个航行子阶段确定。也可以根据时序上前一个航行阶段中的最后一个子阶段的阶段权重确定的。
对于航行阶段的阶段权重而言，其可以是根据时序上前一个航行阶段的阶段权重确定的，如果第一个航行阶段，如起飞阶段，其可以不具有参考的航行阶段的阶段权重。
即根据前文所述，服务器可以根据多个航班中不同航行阶段对应的风险值来确定不同航行阶段对应的阶段权重。或者，也可以根据多个航班中不同航行阶段对应的风险值来确定不同航行阶段中子阶段对应的阶段权重。然而对于不同航行阶段中子阶段对应的阶段权重为了能够更加凸显阶段权重的重要以及区别，还可以参考风险值对应的风险因子。
具体的，根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，包括：根据航行高度，划分对应航行阶段为航行子阶段；根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重；根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定。
其中，风险因子是指涉及到风险因素，引发了上述事件。可以包括“人”的机组风险要素、“机”的航空器状态风险要素以及“环”的运行环境要素。其中，机组风险要素涉及方面众多，航空器承运人和运营人应结合机组风险管理和机组资源管理的成果进行确定。航空器状态风险要素是航空器是航空运输的基础，任何零件与系统的故障都可能带来不可估量的严重后果，签派员在签派放行时要确保航空器，如飞机完好的功能和适航状态。运行环境要素主要分为机场风险要素和航路风险要素两大类。
其中，更具体的，“人”的机组风险要素可以包括机组熟悉程度(如机组内人员之间的熟悉度)、驾驶人员(如机长)的疲劳度、驾驶人员的超限事件、执勤时间内所飞航段次数(如机长在执勤时间内飞行的所有航段的次数)、驾驶人员临近飞行更换机型(如机长在执行本次航段的预置历史时间内是否更换过与本航段机型不同的飞机、更换为什么机型)、驾驶人员执勤时间(如机长当天的执勤时间)、驾驶人员临近飞行更换过夜航班(如机长在执行本次航段的预置历史时间内是否更换过与夜航班)、驾驶人员距离零点后小时数或跨时差(如机长本次航行在零点后的执行时间，或本次航行的跨时差的时差时间)、驾驶人员临近飞行更换国际航班、驾驶人员最近一次休假距离本次航行的时间、机组人员距离本次航行最近一次的执行飞机的间隔时间、驾驶人员年执行不同类型机场的次数、驾驶人员近30天联排36小时执勤的次数、驾驶人员在执行飞机的总经验等。“机”的航空器状态风险要素可以包括：故障次数、MEL(最低设备清单)或CDL(外形缺损清单)因子(按程度)以及机龄等。“环”的运行环境要素可以包括：目的地机场的测风、起飞机场的雷暴或雨雪等天气现象、目的地机场的雷暴或雨雪等天气现象、颠簸、起飞机场的云高、目的地机场的云高、起飞机场的能见度、目的地机场的能见度、起飞机场的测风、起飞机场的阵风等。
根据航行高度，划分对应航行阶段为航行子阶段，如根据高度对着陆阶段进行划分，可以划分为三个阶段，如进近子阶段、着陆子阶段以及接地子阶段。
例如，根据前文所述，服务器可以通过下式来确定各个子阶段的阶段权重：
rap＝fap(x1……xn)
rld＝fld(y1……yn，rap)
rgd＝fgd(z1……zn，rld)
其中，rap为进近子阶段对应的阶段权重，rld为着陆子阶段对应的阶段权重，rgd为接地子阶段对应的阶段权重。fap为进近子阶段对应的风险值，fld为着陆子阶段对应的风险值，fgd为接地子阶段对应的风险值。x1……xn为进近子阶段对应的风险因子，y1……yn为着陆子阶段对应的风险因子，z1……zn为接地子阶段对应的风险因子。由此可以确定出阶段权重。
需要说明的是，对于fap、fld以及fgd对应的风险值可以均为该航行阶段，即着陆阶段对应的风险值，根据前文所述的方式进行确定的。或者，fap、fld以及fgd对应的风险值可以分别为对应子阶段的风险值，则需要根据前文所述的方式进行风险值计算的时候，是以子阶段为单位进行确定的。即前文所述的三风险值为超限事件在历史航班中对应航行子阶段中的风险值。第四风险值为每个不安全事件在对应航行子阶段中的风险值。而在计算此类第三风险值以及第四风险值的时候，其对应的发生阶段或飞行阶段就要确定为对应的子阶段。而对应的子阶段需要有对应的预置数值，就不再赘述了。
基于此，不同的航行阶段都可以通过上述方式进行确定。对于循环阶段而言，其可以只有一个子阶段即其巡航阶段本身，也可以根据时间来划分巡航阶段的子阶段。对于循环一个子阶段而言，其也可以根据上述方式来参考起飞阶段中最后一个子阶段的阶段权重来进行其本身权重的计算。就不再赘述了。此外，对于不同的航行阶段的第一子阶段也可以参考前一个航行阶段中的最后一个子阶段的阶段权重来确定。
另，对于不同类型的事件而言，其对应有不同的风险因子。或者是不同类型的事件由对应的不同风险因子来引起的。通过对事件的获取就可以确定事件对应的风险因子。获取也可以根据历史事件来进行统计，从而预置好不同事件对应的风险因子。不同的风险因子可以对应着不同的数值，以表示其重要度，或危险度等。
根据上述阶段权重是属于空间权重，通过空间权重可以参考到不同维度的因素，提高预测风险的准确率。
其中，如图2所示，在进近子阶段201中，通过风险因子2011确定rap，在风险因子2011之间存在具有关联关系2012。在着陆子阶段202中，通过其风险因子2011以及确定的rap来确定rld。在接地子阶段203中，通过其风险因子2011以及确定的rld来确定rgd。
104：根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
例如，根据前文所述，服务器可以确定出不同航班对应的子阶段的阶段权重，然后根据同一子阶段，可以确定平均的阶段权重作为最终的阶段权重。以等待对待预测航班对应的同一子阶段，通过对应的阶段权重来计算对应航行阶段的第一风险值。具体如下：
服务器通过历史航班中确定的阶段权重的加权算法来确定对应的第一风险值。如下式：
r(m1……mn)＝αap*rap+αld*rld+αgd*rgd
其中，r为第一风险值，(m1……mn)是指上述涉及到的风险因子的汇总。αap＝0.2、αld＝0.4、αgd＝0.4，这三个参数的数值是预置的。对于其它子阶段对应的α也是预置好的。rap、rld、rgd的数值为上述最终确定的阶段权重。由此服务器可以确定出对应的第一风险值。
为了能够更加灵活且准确地确定上述阶段权重，以提高预测准确率，还可以通过以下模型训练方式实现。
具体的，根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值，包括：通过执行根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重的步骤，对时序回归模型进行训练；通过执行根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定的步骤，对时序回归模型进行训练；根据训练后的时序回归模型确定待预测航班在对应航行阶段中的第一风险值。
其中，时序回归模型是指每个时刻会基于当前时刻特征和上一时刻结果做回归预测的模型。
例如，根据前文所述，服务器可以根据前文所述的方式确定不同航班对应的子阶段的阶段权重。然后基于得到的不同航班对应的子阶段的阶段权重，对时序回归模型进行训练。每个阶段权重都具有对应的风险因子以及参考的前一子阶段的阶段权重。由此，训练后的时序回归模型训练可以通过待预测航班在对应子阶段对应的风险因子，来确定子阶段的阶段权重，同时下一个子阶段的阶段权重通过训练后的时序回归模型、对应的风险因子，以及上一子阶段的阶段权重确定。由此服务器可以根据训练后的时序回归模型确定待预测航班的各个子阶段的阶段权重。
然后服务器还可以继续通过该模型或者直接计算对应的第一风险值，就不再赘述了。
对于航行阶段的阶段权重的确定方式与前文所述的子阶段的阶段权重的确定方式相似，就不再赘述了。
需要说明的是，采用时序回归模型，从整体上构建每个风险因子和风险值结果的直接关联关系，解决风险因子传递丧失的问题，突出了风险因子的贡献，提高了预测的精准率。
通过时序回归模型不需要人工投入，能自动建立定期权重更新的机制。且自动确定输出的是风险值，可以按需再转化成对应的风险类别。
此外，第一风险值的确定是基于前文所述的较多不同航班对应的第三风险值以及第四风险值的前提下，且具有较多的风险值样本，其属于低风险的确定，但并不能覆盖所有的风险，覆盖率低。为了提高风险覆盖率，还可以通过下述方式确定中高风险的确定。
具体的，该方法100还包括：根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定在对应航行阶段中的风险值与对应环境风险因子之间的相关度；根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值。
例如，根据前文所述，服务器可以通过下式确定相关度：
其中，R为相关度，X为针对多个航班中具有相同环境风险因子的同一对应子阶段或对应航行阶段，环境风险因子对应的数值(可以预置环境风险因子对应的数值)，Xi为针对多个航班中具有相同环境风险因子的同一对应子阶段或对应航行阶段，每个环境风险因子对应的数值，
针对多个航班中具有相同环境风险因子的同一对应子阶段或对应航行阶段，对应环境风险因子的平均值。Y为对应多个航班对应的风险值，Yi为对应多个航班中对应子阶段或对应航行阶段的风险值，
为对应多个航班中对应子阶段或对应航行阶段的平均风险值。每个相关度R具有对应的环境风险因子。
然后服务器可以根据确定的环境风险因子对应的相关度，来确定第二风险值。如服务器可以获取到待预测航班在对应子阶段或对应航行阶段的环境风险因子，和上述确定的相关度对应的环境风险因子进行匹配，确定出对应的子阶段或对应航行阶段的相关度。然后根据相关度，以及上述确定对应的风险值。
此外也可以通过相关分析模型来确定第二风险值。
具体的，根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值，包括：执行根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定对应航行阶段中风险值与对应环境风险因子之间的相关度的步骤，对相关分析模型进行训练；根据训练后的相关分析模型，确定待预测航班在对应航行阶段中的第二风险值。
例如，根据前文所述，服务器可以根据前文所述的方式，通过确定不同的相关度，训练相关分析模型。使得训练后的相关分析模型可以根据待预测航班不同子阶段或航行阶段对应的环境风险因子，确定对应的相关度，然后根据相关度确定不同子阶段或航行阶段对应的风险值。
因为本身环境风险因子样本偏差和样本量较小在回归分析中发挥不了作用。可以通过对各风险因子和风险值的相关度计算，发现环境风险因子相关度较大，取非空环境因子单独建模。
在确定完后第二风险值后，可以确定待预测航班对应的整个低中高风险值，具体的，该方法100还包括：将第一风险值以及第二风险值作为待预测航班在对应航行阶段中的最终风险值，从而确定待预测航班在航行中的风险值。
例如，根据前文所述，服务器可以根据第一风险值以及第二风险值来确定待预测航班在不同航行阶段的风险值。服务器还可以根据距离待预测航班开始前多个预置时间点进行准确预测，如起飞前8小时、4小时、2小时以及半小时等。
采用人机环多元因子时空回归和相关分析组合算法比传统方法在中高风险识别率上提升21％。
图3为本申请一示例性实施例提供的一种航空运行风险的确定系统的结构示意图。如图3所示，该系统300可以包括：第一设备301以及第二设备302。
其中，第一设备301可以是有一定计算能力的设备，可以实现向第二设备302发送数据的功能，也可以接收第二设备302发送的数据。第一设备301的基本结构可以包括：至少一个处理器。处理器的数量可以取决于具有一定计算能力装置的配置和类型。具有一定计算能力装置也可以包括存储器，该存储器可以为易失性的，例如RAM，也可以为非易失性的，例如只读存储器(Read-Only Memory，ROM)、闪存等，或者也可以同时包括两种类型。存储器内通常存储有操作系统(Operating System，OS)、一个或多个应用程序，也可以存储有程序数据等。除了处理单元和存储器之外，具有一定计算能力装置还包括一些基本配置，例如网卡芯片、IO总线、显示组件以及一些外围设备等。可选地，一些外围设备可以包括，例如键盘、输入笔等。其它外围设备在本领域中是众所周知的，在此不做赘述。可选地，第一设备301可以为智能终端，例如，手机、台式电脑、笔记本、平板电脑等。
第二设备302是指可以在网络虚拟环境中提供计算处理服务的设备，可以是指利用网络进行航空运行风险的确定的设备。在物理实现上，第二设备302可以是任何能够提供计算服务，响应服务请求，并进行航空运行风险的确定的设备，例如可以是云服务器、云主机、虚拟中心、常规服务器等等，其上构架有数据库。第二设备302的构成主要包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似。
具体的，第二设备302针对多个历史航班，获取历史航班对应的至少一种类型的事件，至少一种类型的事件对航空运行存在影响；根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
具体的，第一设备301，向第二设备302发送预测请求。
此外，第二设备302，根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定在对应航行阶段中的风险值与对应环境风险因子之间的相关度；根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值。
具体的，第二设备302，针对多个历史航班中的不同航行阶段，获取对应航行阶段中的超限事件以及不安全事件，超限事件通过航空器的记录仪获取到的且超出预置限定标准，不安全事件是指影响航空运行安全的事件。
具体的，第二设备302，根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值；根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值；根据第三风险值以及第四风险值，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
具体的，第二设备302，根据超限事件所属级别以及对应航行阶段，确定超限事件在对应航行阶段中的风险值；对超限事件在对应航行阶段中的风险值进行求和，根据求和结果确定第三风险值。
具体的，第二设备302，根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的第四风险值。
具体的，第二设备302，根据航行高度，划分对应航行阶段为航行子阶段；根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重；根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定。
具体的，第二设备302，通过执行根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重的步骤，对时序回归模型进行训练；通过执行根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定的步骤，对时序回归模型进行训练；根据训练后的时序回归模型确定待预测航班在对应航行阶段中的第一风险值。
具体的，第二设备302，执行根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定对应航行阶段中风险值与对应环境风险因子之间的相关度的步骤，对相关分析模型进行训练；根据训练后的相关分析模型，确定待预测航班在对应航行阶段中的第二风险值。
此外，第二设备302，将第一风险值以及第二风险值作为待预测航班在对应航行阶段中的最终风险值，从而确定待预测航班在航行中的风险值。
此外，第二设备302，获取不安全事件的描述信息，根据描述信息对不安全事件进行分类，确定事件类型以及原因类型。
未能详尽的内容请参考前文所述，就不再赘述了。
在飞机的航班风险预估的场景中，第二设备302，如服务器可以从其它数据平台，或者数据服务器，或数据库中获取到不同的历史航班的信息，如航班号、航班时间等。还可以获取到不同历史航班对应的不安全事件以及超限事件。然后根据划分的航行阶段，如起飞阶段、巡航阶段以及着陆阶段，将获取到的事件根据其发生的航行高度来确定对应不同的航行阶段。
服务器可以通过下式来确定超限事件对应的风险值，具体的可以是通过对应的事件级别以及对应的航行阶段来确定的。
超限事件的事件风险值＝(事件级别-1)*5+航行阶段(也可以称为飞行阶段)
采用指数函数形式以及总的事件风险值来确定超限事件在历史航班中对应航行阶段中的风险值，即第三风险值。由此，事件风险值越大时航班风险值急剧变大。
超限事件在对应航行阶段中的航班风险值＝min(θsum(事件风险值)-0.04，10)
服务器可以通过下式来确定每个不安全事件在对应航行阶段中的风险值，具体地可以是利用权重算法，根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的航班风险值。
航班风险值＝(0.25*事件类型+0.3*发生等级+0.2*航行阶段(也可以称为发生阶段)+0.25原因类型)
由此，服务器可以确定出每个不安全事件在不同航行阶段中对应的风险值，然后可以确定出所有不安全事件在不同航行阶段中对应的总的风险值，即第四风险值，即该历史航班中发生的不安全事件在对应航行阶段中的航班风险值。
服务器确定了第三风险值和第四风险值后，针对同一历史航班中同一航行阶段而言，选择两个风险值中最大的风险值，如果第三风险值大于第四风险值，则选择第三风险值为最终该历史航班中某一个航行阶段的风险值。如果第四风险值大于第三风险值，则选择第四风险值为最终该历史航班中某一个航行阶段的风险值。
服务器可以根据前文所述的方式确定不同航班对应的子阶段的阶段权重。然后基于得到的不同航班对应的子阶段的阶段权重，对时序回归模型进行训练。每个阶段权重都具有对应的风险因子以及参考的前一子阶段的阶段权重。由此，训练后的时序回归模型训练可以通过待预测航班在对应子阶段对应的风险因子，来确定子阶段的阶段权重，同时下一个子阶段的阶段权重通过训练后的时序回归模型、对应的风险因子，以及上一子阶段的阶段权重确定。由此服务器可以根据训练后的时序回归模型确定待预测航班的各个子阶段的阶段权重。
根据前文所述，服务器可以根据前文所述的方式，通过确定不同的相关度，训练相关分析模型。使得训练后的相关分析模型可以根据待预测航班不同子阶段或航行阶段对应的环境风险因子，确定对应的相关度，然后根据相关度确定不同子阶段或航行阶段对应的风险值。
第一设备301基于用户的操作，执行步骤311：发送预测请求，该请求中可以携带预测航班的信息，如航班号、航行阶段以及对应的风险因子等。服务器接收到该请求后，基于上述模型确定出对应的风险值。第二设备302，如服务器，将预测结果返回。即执行步骤312：发送预测结果。
此处未详细记载的内容可以参考前文所述的内容，就不再赘述。
在上述本实施例中，第一设备301、第二设备302进行网络连接。若第一设备301、第二设备302是通信连接，该移动网络的网络制式可以为2G(GSM)、2.5G(GPRS)、3G(WCDMA、TD-SCDMA、CDMA2000、UTMS)、4G(LTE)、4G+(LTE+)、WiMax、5G等中的任意一种。
图4为本申请一示例性实施例提供的一种航空运行风险的确定装置的结构框架示意图。该装置400可以应用于计算设备，如服务器。该装置400包括：获取模块401、确定模块402；以下针对各个模块的功能进行详细的阐述：
获取模块401，用于针对多个历史航班，获取历史航班对应的至少一种类型的事件。至少一种类型的事件对航空运行存在影响。
确定模块402，用于根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
确定模块402，用于根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，阶段权重根据时序上前一个航行子阶段的阶段权重确定的。
确定模块402，用于根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
此外，确定模块402，还用于根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定在对应航行阶段中的风险值与对应环境风险因子之间的相关度；根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值。
具体的，获取模块401，用于针对多个历史航班中的不同航行阶段，获取对应航行阶段中的超限事件以及不安全事件，超限事件通过航空器的记录仪获取到的且超出预置限定标准，不安全事件是指影响航空运行安全的事件。
具体的，获取模块401，包括：第一确定单元，用于根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值；第一确定单元，用于根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值；第一确定单元，用于根据第三风险值以及第四风险值，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
具体的，第一确定单元，用于根据超限事件所属级别以及对应航行阶段，确定超限事件在对应航行阶段中的风险值；对超限事件在对应航行阶段中的风险值进行求和，根据求和结果确定所述第三风险值。
具体的，第一确定单元，用于根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的第四风险值。
具体的，确定模块402，包括：划分单元，用于根据航行高度，划分对应航行阶段为航行子阶段；第二确定单元，用于根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重；第二确定单元，用于根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定。
具体的，确定模块402，包括：第一训练单元，用于通过执行根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重的步骤，对时序回归模型进行训练；第一训练单元，用于通过执行根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定的步骤，对时序回归模型进行训练；第三确定单元，用于根据训练后的时序回归模型确定待预测航班在对应航行阶段中的第一风险值。
具体的，确定模块402，包括：第二训练单元，用于执行根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定对应航行阶段中风险值与对应环境风险因子之间的相关度的步骤，对相关分析模型进行训练；第四确定单元，用于根据训练后的相关分析模型，确定待预测航班在对应航行阶段中的第二风险值。
此外，确定模块402，还用于将第一风险值以及所述第二风险值作为待预测航班在对应航行阶段中的最终风险值，从而确定待预测航班在航行中的风险值。
此外，获取模块401，还用于获取不安全事件的描述信息，根据描述信息对不安全事件进行分类，确定事件类型以及原因类型。
本装置400中未能详尽的内容请参考前文所述，就不再赘述。
以上描述了图4所示的装置400的内部功能和结构，在一个可能的设计中，图4所示的装置400的结构可实现为计算设备，如，服务器。如图5所示，该设备500可以包括：存储器501、处理器502；
存储器501，用于存储计算机程序。
处理器502，用于执行计算机程序，以用于：针对多个历史航班，获取历史航班对应的至少一种类型的事件，至少一种类型的事件对航空运行存在影响；根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，阶段权重根据时序上前一个航行子阶段的阶段权重确定的；根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
此外，处理器502，还用于根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定在对应航行阶段中的风险值与对应环境风险因子之间的相关度；根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值。
具体的，处理器502，具体用于：针对多个历史航班中的不同航行阶段，获取对应航行阶段中的超限事件以及不安全事件，超限事件通过航空器的记录仪获取到的且超出预置限定标准，不安全事件是指影响航空运行安全的事件。
具体的，处理器502，具体用于：根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值；根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值；根据第三风险值以及第四风险值，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
具体的，处理器502，具体用于：根据超限事件所属级别以及对应航行阶段，确定超限事件在对应航行阶段中的风险值；对超限事件在对应航行阶段中的风险值进行求和，根据求和结果确定第三风险值。
具体的，处理器502，具体用于：根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的第四风险值。
具体的，处理器502，具体用于：根据航行高度，划分对应航行阶段为航行子阶段；根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重；根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定。
具体的，处理器502，具体用于：通过执行根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重的步骤，对时序回归模型进行训练；通过执行根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定的步骤，对时序回归模型进行训练；根据训练后的时序回归模型确定待预测航班在对应航行阶段中的第一风险值。
具体的，处理器502，具体用于：执行根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定对应航行阶段中风险值与对应环境风险因子之间的相关度的步骤，对相关分析模型进行训练；根据训练后的相关分析模型，确定待预测航班在对应航行阶段中的第二风险值。
此外，处理器502，还用于将第一风险值以及所述第二风险值作为待预测航班在对应航行阶段中的最终风险值，从而确定待预测航班在航行中的风险值。
此外，处理器502，还用于获取不安全事件的描述信息，根据描述信息对不安全事件进行分类，确定事件类型以及原因类型。
本发明实施例提供了一种计算机存储介质，计算机程序被一个或多个处理器执行时，致使一个或多个处理器实现图1-图2方法实施例中一种航空运行风险的确定方法的步骤。就不再过多赘述了。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102、103等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程多媒体数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程多媒体数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程多媒体数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程多媒体数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (13)
1.一种航空运行风险的确定方法，其特征在于，包括：
针对多个历史航班，获取历史航班对应的至少一种类型的事件，所述至少一种类型的事件对航空运行存在影响；
根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；
根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，所述阶段权重根据时序上前一个航行子阶段的阶段权重确定的；
根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定在对应航行阶段中的风险值与对应环境风险因子之间的相关度；
根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值。
3.根据权利要求1所述的方法，其特征在于，所述针对多个历史航班，获取历史航班对应的至少一种类型的事件，包括：
针对多个历史航班中的不同航行阶段，获取对应航行阶段中的超限事件以及不安全事件，所述超限事件通过航空器的记录仪获取到的且超出预置限定标准，所述不安全事件是指影响航空运行安全的事件。
4.根据权利要求1所述的方法，其特征在于，所述根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值，包括：
根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值；
根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值；
根据所述第三风险值以及所述第四风险值，确定对应类型事件对应的历史航班在对应航行阶段中的风险值。
5.根据权利要求4所述的方法，其特征在于，所述根据获取到的超限事件，确定对应的历史航班在对应航行阶段中的第三风险值，包括：
根据超限事件所属级别以及对应航行阶段，确定超限事件在对应航行阶段中的风险值；
对超限事件在对应航行阶段中的风险值进行求和，根据求和结果确定所述第三风险值。
6.根据权利要求4所述的方法，其特征在于，所述根据获取到的不安全事件，确定对应的历史航班在对应航行阶段中的第四风险值，包括：
根据不安全事件对应的事件类型、原因类型、发生等级以及航行阶段，确定对应的第四风险值。
7.根据权利要求1所述的方法，其特征在于，所述根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，包括：
根据航行高度，划分对应航行阶段为航行子阶段；
根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重；
根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定。
8.根据权利要求1所述的方法，其特征在于，所述根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值，包括：
通过执行根据历史航班在对应航行阶段中的风险值以及该风险值对应的风险因子，确定对应航行阶段中第一子阶段的第一阶段权重的步骤，对时序回归模型进行训练；
通过执行根据历史航班在对应航行阶段中的风险值、该风险值对应的风险因子以及第一阶段权重，确定对应航行阶段中第二子阶段的第二阶段权重，直至完成对应航行阶段中最终子阶段的阶段权重的确定的步骤，对时序回归模型进行训练；
根据训练后的时序回归模型确定待预测航班在对应航行阶段中的第一风险值。
9.根据权利要求2所述的方法，其特征在于，所述根据在对应航行阶段中的风险值与对应环境风险因子之间的相关度，确定待预测航班在对应航行阶段中的第二风险值，包括：
执行所述根据历史航班在不同航行阶段中的风险值以及对应事件中存在的环境风险因子，确定对应航行阶段中风险值与对应环境风险因子之间的相关度的步骤，对相关分析模型进行训练；
根据训练后的相关分析模型，确定待预测航班在对应航行阶段中的第二风险值。
10.根据权利要求2所述的方法，其特征在于，所述方法还包括：
将所述第一风险值以及所述第二风险值作为待预测航班在对应航行阶段中的最终风险值，从而确定待预测航班在航行中的风险值。
11.根据权利要求3所述的方法，其特征在于，所述方法还包括：
获取不安全事件的描述信息，根据所述描述信息对不安全事件进行分类，确定事件类型以及原因类型。
12.一种计算设备，其特征在于，包括：存储器、处理器；
所述存储器，用于存储计算机程序；
所述处理器，执行所述计算机程序，以用于：
针对多个历史航班，获取历史航班对应的至少一种类型的事件，所述至少一种类型的事件对航空运行存在影响；
根据获取到的至少一种类型的事件，确定对应类型事件对应的历史航班在对应航行阶段中的风险值；
根据历史航班在不同航行阶段中的风险值，确定不同航行阶段对应的阶段权重，所述阶段权重根据时序上前一个航行子阶段的阶段权重确定的；
根据确定的阶段权重，确定待预测航班在对应航行阶段中的第一风险值。
13.一种存储有计算机程序的计算机可读存储介质，其特征在于，计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器实现权利要求1-11任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111521821.6A CN114331052A (zh) | 2021-12-13 | 2021-12-13 | 航空运行风险的确定方法、计算设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111521821.6A CN114331052A (zh) | 2021-12-13 | 2021-12-13 | 航空运行风险的确定方法、计算设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114331052A true CN114331052A (zh) | 2022-04-12 |
Family
ID=81051196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111521821.6A Pending CN114331052A (zh) | 2021-12-13 | 2021-12-13 | 航空运行风险的确定方法、计算设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114331052A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409438A (zh) * | 2022-11-03 | 2022-11-29 | 成都沃飞天驭科技有限公司 | 低空飞行风险控制方法、装置、飞行器及存储介质 |
| CN116596295A (zh) * | 2023-02-23 | 2023-08-15 | 中国民航科学技术研究院 | 一种国内支线运输飞机安全评价与风险预测方法及系统 |
-
2021
- 2021-12-13 CN CN202111521821.6A patent/CN114331052A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115409438A (zh) * | 2022-11-03 | 2022-11-29 | 成都沃飞天驭科技有限公司 | 低空飞行风险控制方法、装置、飞行器及存储介质 |
| CN115409438B (zh) * | 2022-11-03 | 2023-04-07 | 成都沃飞天驭科技有限公司 | 低空飞行风险控制方法、装置、飞行器及存储介质 |
| CN116596295A (zh) * | 2023-02-23 | 2023-08-15 | 中国民航科学技术研究院 | 一种国内支线运输飞机安全评价与风险预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9460629B2 (en) | Flight trajectory optimization and visualization tool | |
| CN108922252B (zh) | 飞行安全监控方法及装置 | |
| US20180225976A1 (en) | Automated real-time clearance analysis for air traffic | |
| US10154096B2 (en) | Method for integrating a new service into an avionics onboard system with open architecture of client-server type, in particular for an FIM manoeuvre service | |
| CN114331052A (zh) | 航空运行风险的确定方法、计算设备及存储介质 | |
| JP5474194B2 (ja) | 航空機客室騒音曝露量分析 | |
| US11068858B2 (en) | System for handling a fault of an aircraft and a method and computer equipment for achieving the same | |
| CN113470439B (zh) | 基于人工智能的中小机场管制冲突解决方法及系统 | |
| US11724820B2 (en) | Decision-support system for aircraft requiring emergency landings | |
| CN111798079A (zh) | 航班调整方法、装置、电子设备及存储介质 | |
| US20210125512A1 (en) | Aircraft parking stand assignment prediction | |
| US10147327B2 (en) | Method for integrating a constrained route(s) optimization application into an avionics onboard system with open architecture of client server type | |
| US20220335837A1 (en) | Flight management method and system using same | |
| CN113962420A (zh) | 一种飞行器燃油消耗的预测方法、计算设备及存储介质 | |
| Caetano | Aviation accident and incident forecasting combining occurrence investigation and meteorological data using machine learning | |
| Wong et al. | The development of a more risk-sensitive and flexible airport safety area strategy: Part I. The development of an improved accident frequency model | |
| US9862501B2 (en) | Method and systems for integrated global view of operations | |
| Payan et al. | Improvement of rotorcraft safety metrics using performance models and data integration | |
| Arthur et al. | User Request Evaluation Tool (URET) interfacility conflict probe performance assessment | |
| US10553121B1 (en) | Detecting violation of aircraft separation requirements | |
| Vishnyakova et al. | A solution to the problem of assessing aviation safety by simulation modeling | |
| CN111507502B (zh) | 一种虚占航班班次的优化方法和系统 | |
| Anderson et al. | Analysis of flight delays in aviation system using different classification algorithms and feature selection methods | |
| Harizi et al. | A cliometric analysis of the explanatory factors of the air crashes in the world (1950–2008) | |
| Payan et al. | Review of proactive safety metrics for rotorcraft operations and improvements using model-based parameter synthesis and data fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |